摘 要：如今推荐系统在很多领域都有着较好的应用，例如购物网站、新闻网站、检索网站和音乐视频网站等。尤其是视频网站，推荐系统各式各样，不同的视频网站都使用特定的推荐系统向用户进行个性化推荐，不同的推荐系统所实现的推荐效果也是不同的，每个推荐系统都有各自的优点和缺点。本文对近几年视频推荐系统的研究进行综述，介绍常用的推荐算法，并结合在实际中使用视频网站的体验，针对具体的视频网站指出其存在的问题并提出改进建议。
关键词：推荐系统；视频网站；用户行为
中图分类号：TP391.41 文献标识码：A 文章编号：2096-4706（2019）03-0018-03
Video Website Recommendation System Research
LIU Yanxin
（Shanxi University of Finance and Economics，Taiyuan 030006，China）
Abstract：Today’s recommendation system has good applications in many areas，such as shopping websites，news websites， search websites and music video websites. Particular in video websites have various recommendation systems. Different video websites use specific recommendation systems to personalize recommendations to users. Different recommendation systems implement different recommendation effects. Each recommendation system has its own advantages and diSadvantages. This paper summarizes the research of video recommendation system in recent years，introduces the commonly used recommendation algorithm，and combines the experience of using video website in practice，points out the existing problems and proposes improvement suggestions for specific video websites.
Keywords：recommended system；video website；user behavior
参考文献：
[1] 匡俊，唐卫红，陈雷慧，等. 基于特征工程的视频点击率预测算法 [J]. 华东师范大学学报（自然科学版），2018（3）：77-87.
[2] David Goldberg，David Nichols，Brian M. Oki，et al. Using collaborative filtering to weave an information tapestry [J]. Communications of the ACM，1992，35（12）：61-70.
[3] Deshpande M，KarypisG.Item-based top- N，recommendation algorithms [M].ACM，2004.
[4] 李姗姗. 基于协同过滤的视频推荐系统设计 [D]. 南京：南京邮电大学，2017.
[5] 苏梦珂，杨煜普. 基于信息熵和用户行为一致性的协同过滤分组推荐 [J/OL]. 计算机应用研究：1-6.http：//kns.cnki.net/kcms/detail/51.1196.TP.20181009.1405.010.html，2018-10-26.
[6] 高睿. 基于深度神经网络的视频个性化推荐系统研究 [D].深圳：深圳大学，2017.
[7] 李同欢，唐雁，刘冰. 基于深度学习的多交互混合推荐模型 [J/OL]. 计算机工程与应用：1-9.http：//kns.cnki.net/kcms/detail/11.2127.TP.20180913.0636.010.html，2018-10-26.
[8] 黄立威，江碧涛，吕守业，等. 基于深度学习的推荐系统研究综述 [J]. 计算机学报，2018，41（7）：1619-1647.
[9] Gediminas Adomavicius，Ramesh Sankaranarayanan，Shahana Sen，et al. Incorporating contextual information in recommender systems using a multidimensional approach [J]. ACM TranSactions on Information Systems，2005，23（1）：103-145.
[10] 汤伟. 基于Web 挖掘的个性化视频推荐系统设计与实现 [J]. 电子设计工程，2018，26（18）：102-106+112.
[11] 韩皎. 基于分布式平台的个性化推荐算法研究 [D]. 西安：长安大学，2017.
[12] 翁小兰，王志坚. 协同过滤推荐算法研究进展 [J]. 计算机工程与应用，2018，54（1）：25-31.
[13] Xu H，Ye G，Li Y，et al. Large Video Event Ontology Browsing，Search and Tagging （EventNet Demo） [C]// ACM International Conference on Multimedia. ACM，2015：803-804.
[14] 夏冬晨. 基于YouTube 的视频社会关注度提高方法的研究 [D]. 杭州：杭州电子科技大学，2017.
[15] Netflix 官网.https：//lunhem.com/s.php?t=Netflix.
作者简介：刘焱昕（1995-），女，汉族，山西长治人，2016 届计算机应用技术专业，硕士研究生，研究方向：数据挖掘。